!pip install kaggle

# !pip install kaggle
# !pip install mlxtend

!kaggle datasets download -d rounakbanik/the-movies-dataset

#Fazendo as instalações necessárias
# !pip install wordcloud
# !pip install textblob
# nltk.download('punkt')
# nltk.download('stopwords')

# Importando as bibliotecas necessárias
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import plotly.graph_objects as go
import plotly.io as pio
from wordcloud import WordCloud, STOPWORDS
from mlxtend.frequent_patterns import apriori, association_rules
from tqdm import tqdm
import random
from collections import Counter
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
import re
from wordcloud import WordCloud
from nltk.util import ngrams
import ast
from textblob import TextBlob

pio.renderers.default = "notebook"


# Configurando o estilo dos gráficos
sns.set(style="whitegrid")

# Carregando os diferentes arquivos CSV
links_small = pd.read_csv('the-movies-dataset/links_small.csv')
movies_metadata = pd.read_csv('the-movies-dataset/movies_metadata.csv')

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\3125572303.py:3: DtypeWarning:

Columns (10) have mixed types. Specify dtype option on import or set low_memory=False.

# Exibindo a estrutura dos dados dos datasets
print("\nEstrutura de Movies Metadata:")
print(movies_metadata.head())
print(movies_metadata.info())

print("\nEstrutura de Links Small:")
print(links_small.head())
print(links_small.info())

Estrutura de Movies Metadata:
   adult                              belongs_to_collection    budget  \
0  False  {'id': 10194, 'name': 'Toy Story Collection', ...  30000000   
1  False                                                NaN  65000000   
2  False  {'id': 119050, 'name': 'Grumpy Old Men Collect...         0   
3  False                                                NaN  16000000   
4  False  {'id': 96871, 'name': 'Father of the Bride Col...         0   

                                              genres  \
0  [{'id': 16, 'name': 'Animation'}, {'id': 35, '...   
1  [{'id': 12, 'name': 'Adventure'}, {'id': 14, '...   
2  [{'id': 10749, 'name': 'Romance'}, {'id': 35, ...   
3  [{'id': 35, 'name': 'Comedy'}, {'id': 18, 'nam...   
4                     [{'id': 35, 'name': 'Comedy'}]   

                               homepage     id    imdb_id original_language  \
0  http://toystory.disney.com/toy-story    862  tt0114709                en   
1                                   NaN   8844  tt0113497                en   
2                                   NaN  15602  tt0113228                en   
3                                   NaN  31357  tt0114885                en   
4                                   NaN  11862  tt0113041                en   

                original_title  \
0                    Toy Story   
1                      Jumanji   
2             Grumpier Old Men   
3            Waiting to Exhale   
4  Father of the Bride Part II   

                                            overview  ... release_date  \
0  Led by Woody, Andy's toys live happily in his ...  ...   1995-10-30   
1  When siblings Judy and Peter discover an encha...  ...   1995-12-15   
2  A family wedding reignites the ancient feud be...  ...   1995-12-22   
3  Cheated on, mistreated and stepped on, the wom...  ...   1995-12-22   
4  Just when George Banks has recovered from his ...  ...   1995-02-10   

       revenue runtime                                   spoken_languages  \
0  373554033.0    81.0           [{'iso_639_1': 'en', 'name': 'English'}]   
1  262797249.0   104.0  [{'iso_639_1': 'en', 'name': 'English'}, {'iso...   
2          0.0   101.0           [{'iso_639_1': 'en', 'name': 'English'}]   
3   81452156.0   127.0           [{'iso_639_1': 'en', 'name': 'English'}]   
4   76578911.0   106.0           [{'iso_639_1': 'en', 'name': 'English'}]   

     status                                            tagline  \
0  Released                                                NaN   
1  Released          Roll the dice and unleash the excitement!   
2  Released  Still Yelling. Still Fighting. Still Ready for...   
3  Released  Friends are the people who let you be yourself...   
4  Released  Just When His World Is Back To Normal... He's ...   

                         title  video vote_average vote_count  
0                    Toy Story  False          7.7     5415.0  
1                      Jumanji  False          6.9     2413.0  
2             Grumpier Old Men  False          6.5       92.0  
3            Waiting to Exhale  False          6.1       34.0  
4  Father of the Bride Part II  False          5.7      173.0  

[5 rows x 24 columns]
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 45466 entries, 0 to 45465
Data columns (total 24 columns):
 #   Column                 Non-Null Count  Dtype  
---  ------                 --------------  -----  
 0   adult                  45466 non-null  object 
 1   belongs_to_collection  4494 non-null   object 
 2   budget                 45466 non-null  object 
 3   genres                 45466 non-null  object 
 4   homepage               7782 non-null   object 
 5   id                     45466 non-null  object 
 6   imdb_id                45449 non-null  object 
 7   original_language      45455 non-null  object 
 8   original_title         45466 non-null  object 
 9   overview               44512 non-null  object 
 10  popularity             45461 non-null  object 
 11  poster_path            45080 non-null  object 
 12  production_companies   45463 non-null  object 
 13  production_countries   45463 non-null  object 
 14  release_date           45379 non-null  object 
 15  revenue                45460 non-null  float64
 16  runtime                45203 non-null  float64
 17  spoken_languages       45460 non-null  object 
 18  status                 45379 non-null  object 
 19  tagline                20412 non-null  object 
 20  title                  45460 non-null  object 
 21  video                  45460 non-null  object 
 22  vote_average           45460 non-null  float64
 23  vote_count             45460 non-null  float64
dtypes: float64(4), object(20)
memory usage: 8.3+ MB
None

Estrutura de Links Small:
   movieId  imdbId   tmdbId
0        1  114709    862.0
1        2  113497   8844.0
2        3  113228  15602.0
3        4  114885  31357.0
4        5  113041  11862.0
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 9125 entries, 0 to 9124
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   movieId  9125 non-null   int64  
 1   imdbId   9125 non-null   int64  
 2   tmdbId   9112 non-null   float64
dtypes: float64(1), int64(2)
memory usage: 214.0 KB
None

# Removendo linhas onde a coluna 'title' possui valores nulos, pois o título é uma informação essencial
movies_metadata = movies_metadata.dropna(subset=['title'])

# Criando uma nova coluna 'year', que contém apenas o ano extraído da coluna 'release_date'
movies_metadata['year'] = pd.to_datetime(movies_metadata['release_date'], errors='coerce').apply(
    lambda x: str(x).split('-')[0] if pd.notnull(x) else np.nan
)

# Convertendo a coluna 'year' para valores numéricos, substituindo valores inválidos (não numéricos) por NaN
movies_metadata['year'] = pd.to_numeric(movies_metadata['year'], errors='coerce')
movies_metadata = movies_metadata.dropna(subset=['year'])

# Extraindo a decada do filme
movies_metadata['decade'] = (movies_metadata['year'] // 10) * 10

# Removendo possíveis linhas duplicadas, se houver mais de uma linha com o mesmo 'id' (coluna identificadora do filme)
movies_metadata = movies_metadata.drop_duplicates(subset='id', keep='first')

# Convertendo a coluna 'budget' e 'revenue' para valores numéricos, substituindo valores inválidos (não numéricos) por NaN
movies_metadata['budget'] = pd.to_numeric(movies_metadata['budget'], errors='coerce')
movies_metadata['revenue'] = pd.to_numeric(movies_metadata['revenue'], errors='coerce')

# No dataset links_small, filtramos para manter apenas as linhas onde a coluna 'tmdbId' não tem valores nulos e convertemos para inteiros
links_small_id = links_small[links_small['tmdbId'].notnull()]['tmdbId'].astype('int')

# Exibindo a estrutura do dataset movies_metadata e links_small após a limpeza
print("\nEstrutura de Movies Metadata após a limpeza:")
print(movies_metadata.info())

print("\nEstrutura de Links Small após a limpeza:")
print(links_small.info())

Estrutura de Movies Metadata após a limpeza:
<class 'pandas.core.frame.DataFrame'>
Index: 45346 entries, 0 to 45465
Data columns (total 26 columns):
 #   Column                 Non-Null Count  Dtype  
---  ------                 --------------  -----  
 0   adult                  45346 non-null  object 
 1   belongs_to_collection  4485 non-null   object 
 2   budget                 45346 non-null  int64  
 3   genres                 45346 non-null  object 
 4   homepage               7761 non-null   object 
 5   id                     45346 non-null  object 
 6   imdb_id                45332 non-null  object 
 7   original_language      45335 non-null  object 
 8   original_title         45346 non-null  object 
 9   overview               44405 non-null  object 
 10  popularity             45346 non-null  object 
 11  poster_path            45007 non-null  object 
 12  production_companies   45346 non-null  object 
 13  production_countries   45346 non-null  object 
 14  release_date           45346 non-null  object 
 15  revenue                45346 non-null  float64
 16  runtime                45100 non-null  float64
 17  spoken_languages       45346 non-null  object 
 18  status                 45266 non-null  object 
 19  tagline                20387 non-null  object 
 20  title                  45346 non-null  object 
 21  video                  45346 non-null  object 
 22  vote_average           45346 non-null  float64
 23  vote_count             45346 non-null  float64
 24  year                   45346 non-null  float64
 25  decade                 45346 non-null  float64
dtypes: float64(6), int64(1), object(19)
memory usage: 9.3+ MB
None

Estrutura de Links Small após a limpeza:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 9125 entries, 0 to 9124
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   movieId  9125 non-null   int64  
 1   imdbId   9125 non-null   int64  
 2   tmdbId   9112 non-null   float64
dtypes: float64(1), int64(2)
memory usage: 214.0 KB
None

movies_metadata.columns

Index(['adult', 'belongs_to_collection', 'budget', 'genres', 'homepage', 'id',
       'imdb_id', 'original_language', 'original_title', 'overview',
       'popularity', 'poster_path', 'production_companies',
       'production_countries', 'release_date', 'revenue', 'runtime',
       'spoken_languages', 'status', 'tagline', 'title', 'video',
       'vote_average', 'vote_count', 'year', 'decade'],
      dtype='object')

movies_metadata.shape

(45346, 26)

#Removendo colunas desnecessárias para análise
movies_metadata = movies_metadata.drop(['imdb_id','original_title', 'adult', 'poster_path'], axis=1)

#Removendo linhas com valores nulos e criando uma nova coluna 'ROI' que representa a relação entre a receita e o orçamento
movies_metadata['revenue'] = movies_metadata['revenue'].replace(0, np.nan)
movies_metadata['budget'] = movies_metadata['budget'].replace(0, np.nan)
movies_metadata['ROI'] = movies_metadata['revenue'] / movies_metadata['budget'] - 1
movies_metadata['profit'] = movies_metadata['revenue'] - movies_metadata['budget']

# Estatísticas descritivas para o conjunto de dados de metadados de filmes
movies_metadata.describe()

#Filtrando os filmes que tem relação com link_small
movies_metadata['id'] = movies_metadata['id'].astype('int')
movies_metadata = movies_metadata[movies_metadata['id'].isin(links_small_id)]

movies_metadata = pd.merge(movies_metadata, links_small, left_on='id', right_on='tmdbId', how='inner')

movies_metadata

movies_metadata.head()

# Calculando a contagem de filmes por década
decade_count = movies_metadata['decade'].value_counts().sort_index()

# Criando o gráfico de barras
fig = px.bar(decade_count, x=decade_count.index, y=decade_count.values,
             labels={'x': 'Década', 'y': 'Número de Filmes'},
             title='Distribuição de Filmes por Década')

# Ajustando uma linha de tendência exponencial
x_values = decade_count.index
y_values = decade_count.values

# Ajuste de uma curva exponencial aos dados
log_y_values = np.log(y_values + 1)  # Evitando log de zero
z = np.polyfit(x_values, log_y_values, 1)  # Regressão linear sobre o log dos valores
p = np.poly1d(z)

# Função exponencial para a linha de tendência
exp_fit = np.exp(p(x_values))

# Adicionando a linha de tendência ao gráfico
fig.add_traces(go.Scatter(x=x_values, y=exp_fit, mode='lines', name='Tendência Exponencial', line=dict(color='red')))

# Ajustando o layout do gráfico
fig.update_layout(title_font_size=16, xaxis_title_font_size=14, yaxis_title_font_size=14)

# Exibindo o gráfico
fig.show()

fig = px.box(movies_metadata, x='decade', y='vote_average',
             labels={'year': 'Ano', 'vote_average': 'Nota Média'},
             title='Distribuição das Notas dos Filmes por Ano')

fig.update_layout(title_font_size=16, xaxis_title_font_size=14, yaxis_title_font_size=14)

fig.show()

movies_metadata['genres'] = movies_metadata['genres'].apply(
    lambda x: [d['name'] for d in eval(x)] if pd.notnull(x) else []
)
genres_df = movies_metadata.explode('genres')

genre_decade_count = genres_df.groupby(['decade', 'genres']).size().reset_index(name='film_count')

fig = px.bar(genre_decade_count, x='decade', y='film_count', color='genres',
             labels={'decade': 'Década', 'film_count': 'Número de Filmes', 'genres': 'Gênero'},
             title='Popularidade dos Gêneros de Filmes por Década')

fig.update_layout(title_font_size=16, xaxis_title_font_size=14, yaxis_title_font_size=14)

fig.show()

def analyze_genre_marketshare_trends(genre_decade_count):
    # Primeiro, criamos um dicionário para armazenar as informações sobre cada gênero
    genre_analysis = {}

    # Calculando o total de filmes por década
    total_per_decade = genre_decade_count.groupby('decade')['film_count'].sum()

    # Para cada gênero, calculamos a participação de mercado ao longo do tempo
    for genre in genre_decade_count['genres'].unique():
        # Filtrar os dados por gênero
        genre_data = genre_decade_count[genre_decade_count['genres'] == genre].sort_values(by='decade')

        # Se tivermos mais de uma década para esse gênero, calculamos a tendência de market share
        if len(genre_data) > 1:
            # Calculando o market share para cada década (filmes do gênero / total de filmes na década)
            genre_data = genre_data.merge(total_per_decade, on='decade', suffixes=('', '_total'))
            genre_data['market_share'] = genre_data['film_count'] / genre_data['film_count_total']

            # Calcula a diferença do market share entre as décadas
            genre_data['market_share_diff'] = genre_data['market_share'].diff().fillna(0)
            total_market_share_growth = genre_data['market_share_diff'].sum()

            # Analisando a variação percentual do market share entre o começo e o fim
            initial_market_share = genre_data['market_share'].iloc[0]
            final_market_share = genre_data['market_share'].iloc[-1]
            initial_market_share_decade = genre_data['decade'].iloc[0]
            final_market_share_decade = genre_data['decade'].iloc[-1]
            growth_rate_market_share = (final_market_share - initial_market_share) / initial_market_share if initial_market_share != 0 else np.nan

            # Calculando o market share máximo, mínimo e as respectivas décadas
            max_market_share = genre_data['market_share'].max()
            max_market_share_decade = genre_data.loc[genre_data['market_share'].idxmax(), 'decade']
            min_market_share = genre_data['market_share'].min()
            min_market_share_decade = genre_data.loc[genre_data['market_share'].idxmin(), 'decade']

            # Adicionando a análise ao dicionário
            genre_analysis[genre] = {
                'total_market_share_growth': total_market_share_growth,
                'growth_rate_market_share': growth_rate_market_share,
                'initial_market_share': initial_market_share,
                'final_market_share': final_market_share,
                'initial_market_share_decade': initial_market_share_decade,
                'final_market_share_decade': final_market_share_decade,
                'max_market_share': max_market_share,
                'max_market_share_decade': max_market_share_decade,
                'min_market_share': min_market_share,
                'min_market_share_decade': min_market_share_decade,
                'trend': 'stable' if abs(growth_rate_market_share) < 0.2 else ('growing' if growth_rate_market_share > 0 else 'declining')
            }

    # Ordenar os gêneros pelo 'growth_rate_market_share' em ordem decrescente
    sorted_genre_analysis = dict(sorted(genre_analysis.items(), key=lambda x: x[1]['growth_rate_market_share'], reverse=True))
    
    return sorted_genre_analysis

# Exemplo de uso da função
genre_decade_count = genres_df.groupby(['decade', 'genres']).size().reset_index(name='film_count')
genre_trends = analyze_genre_marketshare_trends(genre_decade_count)

# Exibindo as informações de tendência de market share ordenadas pelo crescimento
for genre, info in genre_trends.items():
    print(f"Gênero: {genre}")
    print(f" Tendência: {info['trend']}")
    print(f" Crescimento total de Market Share: {info['total_market_share_growth']:.4f}")

    # Exibir o market share inicial
    print(f" Market Share Inicial: {info['initial_market_share']:.4f} (Década: {info['initial_market_share_decade']})")

    # Exibir o market share mínimo ou máximo dependendo da ordem das décadas
    if info['min_market_share_decade'] > info['initial_market_share_decade']:
        print(f" Market Share Mínimo: {info['min_market_share']:.4f} (Década: {info['min_market_share_decade']})")
    if info['max_market_share_decade'] > info['initial_market_share_decade']:
        print(f" Market Share Máximo: {info['max_market_share']:.4f} (Década: {info['max_market_share_decade']})")

    # Exibir o market share final
    print(f" Market Share Final: {info['final_market_share']:.4f} (Década: {info['final_market_share_decade']})\n")

Gênero: Animation
 Tendência: growing
 Crescimento total de Market Share: 0.0207
 Market Share Inicial: 0.0077 (Década: 1920.0)
 Market Share Mínimo: 0.0056 (Década: 1930.0)
 Market Share Máximo: 0.0284 (Década: 2010.0)
 Market Share Final: 0.0284 (Década: 2010.0)

Gênero: Thriller
 Tendência: growing
 Crescimento total de Market Share: 0.0572
 Market Share Inicial: 0.0462 (Década: 1920.0)
 Market Share Mínimo: 0.0362 (Década: 1930.0)
 Market Share Máximo: 0.1034 (Década: 2010.0)
 Market Share Final: 0.1034 (Década: 2010.0)

Gênero: Family
 Tendência: growing
 Crescimento total de Market Share: 0.0162
 Market Share Inicial: 0.0154 (Década: 1920.0)
 Market Share Máximo: 0.0669 (Década: 1930.0)
 Market Share Final: 0.0315 (Década: 2010.0)

Gênero: TV Movie
 Tendência: growing
 Crescimento total de Market Share: 0.0009
 Market Share Inicial: 0.0009 (Década: 1960.0)
 Market Share Mínimo: 0.0003 (Década: 1980.0)
 Market Share Máximo: 0.0023 (Década: 2000.0)
 Market Share Final: 0.0019 (Década: 2010.0)

Gênero: Mystery
 Tendência: growing
 Crescimento total de Market Share: 0.0108
 Market Share Inicial: 0.0154 (Década: 1920.0)
 Market Share Máximo: 0.0605 (Década: 1940.0)
 Market Share Final: 0.0262 (Década: 2010.0)

Gênero: Crime
 Tendência: growing
 Crescimento total de Market Share: 0.0208
 Market Share Inicial: 0.0308 (Década: 1920.0)
 Market Share Máximo: 0.0701 (Década: 1940.0)
 Market Share Final: 0.0515 (Década: 2010.0)

Gênero: Documentary
 Tendência: growing
 Crescimento total de Market Share: 0.0153
 Market Share Inicial: 0.0231 (Década: 1920.0)
 Market Share Mínimo: 0.0024 (Década: 1950.0)
 Market Share Máximo: 0.0384 (Década: 2010.0)
 Market Share Final: 0.0384 (Década: 2010.0)

Gênero: Music
 Tendência: growing
 Crescimento total de Market Share: 0.0042
 Market Share Inicial: 0.0077 (Década: 1920.0)
 Market Share Máximo: 0.0557 (Década: 1930.0)
 Market Share Final: 0.0119 (Década: 2010.0)

Gênero: Action
 Tendência: growing
 Crescimento total de Market Share: 0.0202
 Market Share Inicial: 0.0769 (Década: 1910.0)
 Market Share Mínimo: 0.0318 (Década: 1940.0)
 Market Share Máximo: 0.0971 (Década: 2010.0)
 Market Share Final: 0.0971 (Década: 2010.0)

Gênero: Romance
 Tendência: stable
 Crescimento total de Market Share: -0.0080
 Market Share Inicial: 0.0692 (Década: 1920.0)
 Market Share Mínimo: 0.0573 (Década: 1970.0)
 Market Share Máximo: 0.1393 (Década: 1930.0)
 Market Share Final: 0.0612 (Década: 2010.0)

Gênero: Horror
 Tendência: declining
 Crescimento total de Market Share: -0.0136
 Market Share Inicial: 0.0538 (Década: 1920.0)
 Market Share Mínimo: 0.0304 (Década: 1990.0)
 Market Share Máximo: 0.0683 (Década: 1980.0)
 Market Share Final: 0.0403 (Década: 2010.0)

Gênero: Comedy
 Tendência: declining
 Crescimento total de Market Share: -0.0812
 Market Share Inicial: 0.2308 (Década: 1910.0)
 Market Share Mínimo: 0.0875 (Década: 1950.0)
 Market Share Final: 0.1496 (Década: 2010.0)

Gênero: Drama
 Tendência: declining
 Crescimento total de Market Share: -0.1166
 Market Share Inicial: 0.3077 (Década: 1910.0)
 Market Share Mínimo: 0.1825 (Década: 1980.0)
 Market Share Final: 0.1911 (Década: 2010.0)

Gênero: Foreign
 Tendência: declining
 Crescimento total de Market Share: -0.0025
 Market Share Inicial: 0.0037 (Década: 1960.0)
 Market Share Mínimo: 0.0012 (Década: 2010.0)
 Market Share Máximo: 0.0070 (Década: 1990.0)
 Market Share Final: 0.0012 (Década: 2010.0)

Gênero: Adventure
 Tendência: declining
 Crescimento total de Market Share: -0.2718
 Market Share Inicial: 0.3333 (Década: 1900.0)
 Market Share Mínimo: 0.0239 (Década: 1940.0)
 Market Share Final: 0.0615 (Década: 2010.0)

Gênero: History
 Tendência: declining
 Crescimento total de Market Share: -0.0657
 Market Share Inicial: 0.0769 (Década: 1910.0)
 Market Share Mínimo: 0.0112 (Década: 2010.0)
 Market Share Final: 0.0112 (Década: 2010.0)

Gênero: Science Fiction
 Tendência: declining
 Crescimento total de Market Share: -0.2859
 Market Share Inicial: 0.3333 (Década: 1900.0)
 Market Share Mínimo: 0.0096 (Década: 1940.0)
 Market Share Final: 0.0475 (Década: 2010.0)

Gênero: Fantasy
 Tendência: declining
 Crescimento total de Market Share: -0.2990
 Market Share Inicial: 0.3333 (Década: 1900.0)
 Market Share Mínimo: 0.0195 (Década: 1930.0)
 Market Share Final: 0.0344 (Década: 2010.0)

Gênero: War
 Tendência: declining
 Crescimento total de Market Share: -0.0704
 Market Share Inicial: 0.0769 (Década: 1910.0)
 Market Share Mínimo: 0.0066 (Década: 2010.0)
 Market Share Final: 0.0066 (Década: 2010.0)

Gênero: Western
 Tendência: declining
 Crescimento total de Market Share: -0.0719
 Market Share Inicial: 0.0769 (Década: 1910.0)
 Market Share Mínimo: 0.0026 (Década: 2000.0)
 Market Share Final: 0.0050 (Década: 2010.0)

genre_count = genres_df['genres'].value_counts().reset_index()
genre_count.columns = ['genre', 'film_count']

fig = px.bar(genre_count, x='genre', y='film_count',
             labels={'genre': 'Gênero', 'film_count': 'Número de Filmes'},
             title='Número de Filmes por Gênero')

fig.update_layout(title_font_size=16, xaxis_title_font_size=14, yaxis_title_font_size=14)

fig.show()

movies_metadata['budget'] = pd.to_numeric(movies_metadata['budget'], errors='coerce')

average_budget_per_year = movies_metadata.groupby('year')['budget'].mean().reset_index()

fig = px.line(average_budget_per_year, x='year', y='budget',
              labels={'year': 'Ano', 'budget': 'Orçamento Médio (USD)'},
              title='Evolução dos Orçamentos Médios dos Filmes por Ano')

fig.update_layout(title_font_size=16, xaxis_title_font_size=14, yaxis_title_font_size=14)

fig.show()

# Garantindo que a coluna 'budget' é numérica
movies_metadata['budget'] = pd.to_numeric(movies_metadata['budget'], errors='coerce')

# Filtrando os filmes de 1927
movies_1927 = movies_metadata[movies_metadata['year'] == 1927]

# Verificando o orçamento médio de 1927
budget_1927_avg = movies_1927['budget'].mean()
print(f"Orçamento médio dos filmes em 1927: ${budget_1927_avg:.2f}")

# Exibindo os 5 filmes com os maiores orçamentos de 1927
top_budget_1927 = movies_1927[['title', 'budget', 'genres', 'production_countries', 'production_companies']].sort_values(by='budget', ascending=False).head()
print("Top 5 filmes com maiores orçamentos em 1927:")
print(top_budget_1927)

# Analisando a receita (caso disponível)
if 'revenue' in movies_metadata.columns:
    revenue_1927 = movies_1927['revenue'].mean()
    print(f"Receita média dos filmes de 1927: ${revenue_1927:.2f}")

# Identificando filmes específicos que possam ter influenciado esse aumento
# Investigando outliers de orçamento
outliers_1927 = movies_1927[movies_1927['budget'] > 1.5 * budget_1927_avg]
print("Filmes com orçamentos excepcionalmente altos em 1927:")
print(outliers_1927[['title', 'budget', 'genres', 'production_companies']])

# Identificando o país e estúdios dos filmes
country_count_1927 = movies_1927['production_countries'].value_counts()
print("\nPaíses de produção mais comuns em 1927:")
print(country_count_1927)

studio_count_1927 = movies_1927['production_companies'].value_counts()
print("\nEstúdios de produção mais comuns em 1927:")
print(studio_count_1927)

Orçamento médio dos filmes em 1927: $31544000.00
Top 5 filmes com maiores orçamentos em 1927:
                                      title      budget  \
1568                             Metropolis  92620000.0   
1484                                  Wings   2000000.0   
1758  The Lodger: A Story of the London Fog     12000.0   
5264       Berlin: Symphony of a Great City         NaN   
5323          Sunrise: A Song of Two Humans         NaN   

                             genres  \
1568       [Drama, Science Fiction]   
1484  [Action, Drama, Romance, War]   
1758       [Crime, Drama, Thriller]   
5264         [Documentary, History]   
5323               [Drama, Romance]   

                                   production_countries  \
1568          [{'iso_3166_1': 'DE', 'name': 'Germany'}]   
1484  [{'iso_3166_1': 'US', 'name': 'United States o...   
1758   [{'iso_3166_1': 'GB', 'name': 'United Kingdom'}]   
5264          [{'iso_3166_1': 'DE', 'name': 'Germany'}]   
5323  [{'iso_3166_1': 'US', 'name': 'United States o...   

                                   production_companies  
1568  [{'name': 'Paramount Pictures', 'id': 4}, {'na...  
1484  [{'name': 'Paramount Famous Lasky Corporation'...  
1758  [{'name': 'Carlyle Blackwell Productions', 'id...  
5264  [{'name': 'Deutsche Vereinsfilm AG', 'id': 50}...  
5323  [{'name': 'BIM Distribuzione', 'id': 225}, {'n...  
Receita média dos filmes de 1927: $325271.50
Filmes com orçamentos excepcionalmente altos em 1927:
           title      budget                    genres  \
1568  Metropolis  92620000.0  [Drama, Science Fiction]   

                                   production_companies  
1568  [{'name': 'Paramount Pictures', 'id': 4}, {'na...  

Países de produção mais comuns em 1927:
production_countries
[{'iso_3166_1': 'US', 'name': 'United States of America'}]    4
[{'iso_3166_1': 'DE', 'name': 'Germany'}]                     2
[{'iso_3166_1': 'GB', 'name': 'United Kingdom'}]              1
[{'iso_3166_1': 'FR', 'name': 'France'}]                      1
Name: count, dtype: int64

Estúdios de produção mais comuns em 1927:
production_companies
[]                                                                                                                                                                                                                                                                                 2
[{'name': 'Paramount Famous Lasky Corporation', 'id': 33333}]                                                                                                                                                                                                                      1
[{'name': 'Paramount Pictures', 'id': 4}, {'name': 'Universum Film (UFA)', 'id': 12372}]                                                                                                                                                                                           1
[{'name': 'Carlyle Blackwell Productions', 'id': 1222}]                                                                                                                                                                                                                            1
[{'name': 'Deutsche Vereinsfilm AG', 'id': 50}, {'name': 'Fox Europa Produktion', 'id': 51}]                                                                                                                                                                                       1
[{'name': 'BIM Distribuzione', 'id': 225}, {'name': 'Fox Film Corporation', 'id': 5488}]                                                                                                                                                                                           1
[{'name': 'Pathé Consortium Cinéma', 'id': 220}, {'name': 'Société générale des films', 'id': 1237}, {'name': 'Films Abel Gance', 'id': 9005}, {'name': 'Isepa-Wengeroff Film GmbH', 'id': 9006}, {'name': 'Ciné France', 'id': 27693}, {'name': 'Société Westi', 'id': 82280}]    1
Name: count, dtype: int64

movies_1927 = movies_metadata[movies_metadata['year'] == 1927]
movies_1927_sorted = movies_1927[['title', 'budget']].sort_values(by='budget', ascending=False)

# Plotando o gráfico de colunas verticais
plt.figure(figsize=(10, 6))
plt.bar(movies_1927_sorted['title'], movies_1927_sorted['budget'], color='skyblue')
plt.xlabel('Título', fontsize=12)
plt.ylabel('Orçamento (USD)', fontsize=12)
plt.title('Orçamento dos Filmes de 1927', fontsize=14)
plt.xticks(rotation=45, ha='right', fontsize=10)  # Girar os títulos para melhor visualização
plt.tight_layout()

# Mostrar o gráfico
plt.show()

c:\Users\Eric\anaconda3\Lib\site-packages\IPython\core\pylabtools.py:77: DeprecationWarning:

backend2gui is deprecated since IPython 8.24, backends are managed in matplotlib and can be externally registered.

c:\Users\Eric\anaconda3\Lib\site-packages\IPython\core\pylabtools.py:77: DeprecationWarning:

backend2gui is deprecated since IPython 8.24, backends are managed in matplotlib and can be externally registered.

c:\Users\Eric\anaconda3\Lib\site-packages\IPython\core\pylabtools.py:77: DeprecationWarning:

backend2gui is deprecated since IPython 8.24, backends are managed in matplotlib and can be externally registered.

fig = px.scatter(movies_metadata, x='budget', y='vote_average',
                 labels={'budget': 'Orçamento (USD)', 'vote_average': 'Nota Média'},
                 title='Relação entre Orçamento e Nota Média dos Filmes')

fig.update_layout(title_font_size=16, xaxis_title_font_size=14, yaxis_title_font_size=14)

fig.show()

movies_metadata['countries'] = movies_metadata['production_countries'].apply(
    lambda x: [d['name'] for d in eval(x)] if pd.notnull(x) else []
)

countries_df = movies_metadata.explode('countries')
country_counts = countries_df['countries'].value_counts().reset_index()
country_counts.columns = ['country', 'film_count']

fig = px.choropleth(country_counts,
                    locations="country",
                    locationmode='country names',
                    color="film_count",
                    hover_name="country",
                    color_continuous_scale=px.colors.sequential.Reds,
                    labels={'film_count': 'Número de Filmes'},
                    title="Número de Filmes por País")

fig.update_layout(
    title_font_size=20,
    geo=dict(
        showframe=False,
        showcoastlines=False,
        projection_type='natural earth', 
        showland=True,
        landcolor='white',
        showlakes=True,
        lakecolor='lightblue',
        subunitwidth=0.5,
        countrywidth=0.5
    ),
    margin={"r":0,"t":50,"l":0,"b":0}, 
)

fig.show()

country_counts

movies_metadata_filtered = movies_metadata[(movies_metadata['budget'] > 0) & (movies_metadata['revenue'] > 0)]

fig = px.scatter(movies_metadata_filtered, x='budget', y='revenue', 
                 labels={'budget': 'Orçamento (USD)', 'revenue': 'Receita (USD)'},
                 title='Orçamento vs Receita')

fig.update_xaxes(type="log", matches='y')
fig.update_yaxes(type="log", matches='x')

fig.add_shape(
    type="line",
    x0=min(movies_metadata_filtered['budget']),
    y0=min(movies_metadata_filtered['budget']),
    x1=max(movies_metadata_filtered['budget']),
    y1=max(movies_metadata_filtered['budget']),
    line=dict(color="red", width=2, dash="dash"),
)

fig.update_layout(
    title_font_size=16,
    xaxis_title_font_size=14,
    yaxis_title_font_size=14,
    width=800,
    height=600,
    showlegend=False
)

fig.show()

print(movies_metadata['genres'].head())

0     [Animation, Comedy, Family]
1    [Adventure, Fantasy, Family]
2               [Romance, Comedy]
3        [Comedy, Drama, Romance]
4                        [Comedy]
Name: genres, dtype: object

from itertools import combinations

movies_metadata = movies_metadata[movies_metadata['genres'].apply(len) > 0]

genre_combinations = movies_metadata['genres'].apply(lambda x: list(combinations(x, 2)))

flat_combinations = [item for sublist in genre_combinations for item in sublist]

cooccurrence_matrix = pd.DataFrame(flat_combinations, columns=['Genre1', 'Genre2'])
cooccurrence_matrix['Cooccurrence'] = 1

cooccurrence_pivot = cooccurrence_matrix.pivot_table(index='Genre1', columns='Genre2', values='Cooccurrence', aggfunc='sum', fill_value=0)

genre_counts = movies_metadata['genres'].explode().value_counts()

for genre in genre_counts.index:
    cooccurrence_pivot.loc[genre, genre] = genre_counts[genre]

for genre in cooccurrence_pivot.index:
    cooccurrence_pivot.loc[genre] = cooccurrence_pivot.loc[genre] / genre_counts[genre]

for genre in cooccurrence_pivot.index:
    if genre not in cooccurrence_pivot.columns:
        cooccurrence_pivot[genre] = 0

for genre in cooccurrence_pivot.columns:
    if genre not in cooccurrence_pivot.index:
        cooccurrence_pivot.loc[genre] = 0

cooccurrence_pivot = cooccurrence_pivot.sort_index(axis=0).sort_index(axis=1)

fig = px.imshow(cooccurrence_pivot,
                labels=dict(x="Gênero", y="Gênero", color="Proporção de Coocorrência"),
                x=cooccurrence_pivot.columns,
                y=cooccurrence_pivot.index,
                color_continuous_scale="Blues",
                title="Matriz de Coocorrência Normalizada de Gêneros de Filmes")

fig.update_layout(
    title_font_size=20,
    xaxis_title_font_size=16,
    yaxis_title_font_size=16,
    width=1000,
    height=1000,
    xaxis=dict(tickangle=-45),
)

fig.show()

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.27837992013690815' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.027381631488876214' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.23445521962350258' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.2316029663434113' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.0017113519680547634' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.24472333143183114' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.05989731888191671' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.05932686822589846' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.005704506560182544' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.03479749001711352' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.037079292641186534' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.008556759840273816' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.04677695379349686' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.05932686822589846' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.1791215059897319' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.41186537364517967' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.03993154592127781' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.034227039361095266' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.17042606516290726' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\212288003.py:20: FutureWarning:

Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value '0.002506265664160401' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.

# Extraindo os pares de coocorrência e seus valores resultantes em um DataFrame
cooccurrence_flat = cooccurrence_pivot.stack().reset_index()
cooccurrence_flat.columns = ['Genre1', 'Genre2', 'Cooccurrence Value']

# Filtrando os pares com valor > 0 e onde Genre1 e Genre2 são diferentes, e ordenando pelos valores de coocorrência em ordem decrescente
cooccurrence_flat_sorted = cooccurrence_flat[
    (cooccurrence_flat['Cooccurrence Value'] > 0) & (cooccurrence_flat['Genre1'] != cooccurrence_flat['Genre2'])
].sort_values(by='Cooccurrence Value', ascending=False)

# Exibindo os resultados ordenados
print(cooccurrence_flat_sorted)

        Genre1       Genre2  Cooccurrence Value
47   Animation       Family            0.559091
277    Mystery     Thriller            0.430108
86       Crime        Drama            0.419124
237     Horror     Thriller            0.417666
17      Action     Thriller            0.411865
..         ...          ...                 ...
296    Romance     TV Movie            0.001082
342   Thriller    Animation            0.000992
345   Thriller  Documentary            0.000992
29   Adventure      Foreign            0.000835
356   Thriller     TV Movie            0.000496

[336 rows x 3 columns]

correlation_matrix = movies_metadata[['budget', 'revenue', 'runtime', 'vote_average', 'popularity', 'profit']].corr(method='pearson')

correlation_matrix = correlation_matrix.round(2)

fig = px.imshow(correlation_matrix,
                text_auto=True,
                color_continuous_scale='RdBu_r',
                labels=dict(x="Attributes", y="Attributes", color="Correlation"),
                title="Matriz de Correlação entre Atributos")

fig.update_layout(
    width=800,
    height=600,
    xaxis_title="Atributos",
    yaxis_title="Atributos"
)

fig.show()

movies_metadata['profit'] = movies_metadata['revenue'] - movies_metadata['budget']

movies_metadata['release_date'] = pd.to_datetime(movies_metadata['release_date'], errors='coerce')
movies_metadata['release_month'] = movies_metadata['release_date'].dt.month

genres_exploded = movies_metadata.explode('genres')

profit_per_genre_month = genres_exploded.groupby(['genres', 'release_month'])['profit'].mean().reset_index()

fig = px.line(profit_per_genre_month, x='release_month', y='profit', color='genres',
              title='Média de Lucro por Mês para Cada Gênero',
              labels={'release_month': 'Mês de Lançamento', 'profit': 'Média de Lucro'},
              markers=True)

fig.update_layout(
    xaxis_title='Mês de Lançamento',
    yaxis_title='Média de Lucro',
    title_x=0.5,
    width=900,
    height=600
)

fig.show()

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\2426416435.py:1: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\2426416435.py:3: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\2426416435.py:4: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

movies_metadata['profit'] = movies_metadata['revenue'] - movies_metadata['budget']

movies_metadata['release_date'] = pd.to_datetime(movies_metadata['release_date'], errors='coerce')
movies_metadata['release_month'] = movies_metadata['release_date'].dt.month

profit_per_month = movies_metadata.groupby('release_month')['profit'].mean().reset_index()

fig = px.line(profit_per_month, x='release_month', y='profit',
              title='Média de Lucro por Mês de Lançamento',
              labels={'release_month': 'Mês de Lançamento', 'profit': 'Média de Lucro'},
              markers=True)

fig.update_layout(
    xaxis_title='Mês de Lançamento',
    yaxis_title='Média de Lucro',
    title_x=0.5,
    width=900,
    height=600
)

fig.show()

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\2854691627.py:1: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\2854691627.py:3: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\2854691627.py:4: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

movies_metadata['budget'] = pd.to_numeric(movies_metadata['budget'], errors='coerce')
movies_metadata['revenue'] = pd.to_numeric(movies_metadata['revenue'], errors='coerce')

movies_metadata = movies_metadata[(movies_metadata['budget'] > 0) & (movies_metadata['revenue'] >= 0)].copy()

movies_metadata['is_flop'] = movies_metadata['revenue'] < movies_metadata['budget']

movies_metadata['genres'] = movies_metadata['genres'].apply(lambda x: x if isinstance(x, list) else [])
genres_exploded = movies_metadata.explode('genres')

# 4. Count Flops per Genre
flop_movies = genres_exploded[genres_exploded['is_flop'] == True]
flop_counts = flop_movies['genres'].value_counts().reset_index()
flop_counts.columns = ['Genre', 'Number of Flops']

fig = px.bar(
    flop_counts,
    x='Genre',
    y='Number of Flops',
    title='Number of Flops per Genre',
    labels={'Genre': 'Gênero', 'Number of Flops': 'Número de Flops'},
)

fig.update_traces(marker_color='blue')  # Definindo a cor azul para todas as barras

fig.update_layout(
    xaxis_title='Gênero',
    yaxis_title='Número de Flops',
    title_x=0.5,
    xaxis_tickangle=-45,
    width=900,
    height=600
)

fig.show()

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\3357064704.py:1: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\3357064704.py:2: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

fig = px.bar(genre_count, x='genre', y='film_count',
             labels={'genre': 'Gênero', 'film_count': 'Número de Filmes'},
             title='Número de Filmes por Gênero')

fig.update_layout(title_font_size=16, xaxis_title_font_size=14, yaxis_title_font_size=14)

fig.show()

movies_metadata['budget'] = pd.to_numeric(movies_metadata['budget'], errors='coerce')
movies_metadata['revenue'] = pd.to_numeric(movies_metadata['revenue'], errors='coerce')

movies_metadata = movies_metadata[(movies_metadata['budget'] > 0) & (movies_metadata['revenue'] >= 0)].copy()

movies_metadata['is_flop'] = movies_metadata['revenue'] < movies_metadata['budget']

movies_metadata['genres'] = movies_metadata['genres'].apply(lambda x: x if isinstance(x, list) else [])
genres_exploded = movies_metadata.explode('genres')

total_movies_per_genre = genres_exploded['genres'].value_counts().reset_index()
total_movies_per_genre.columns = ['Genre', 'Total Movies']

flop_movies = genres_exploded[genres_exploded['is_flop'] == True]
flop_counts = flop_movies['genres'].value_counts().reset_index()
flop_counts.columns = ['Genre', 'Number of Flops']

flop_proportion = flop_counts.merge(total_movies_per_genre, on='Genre')
flop_proportion['Flop Proportion'] = flop_proportion['Number of Flops'] / flop_proportion['Total Movies']

flop_proportion = flop_proportion.sort_values(by='Flop Proportion', ascending=False)

fig = px.bar(
    flop_proportion,
    x='Genre',
    y='Flop Proportion',
    title='Proporção de Flops por Gênero (Ordenado do Maior para o Menor)',
    labels={'Genre': 'Gênero', 'Flop Proportion': 'Proporção de Flops'},
)

fig.update_traces(marker_color='blue')

fig.update_layout(
    xaxis_title='Gênero',
    yaxis_title='Proporção de Flops',
    title_x=0.5,
    xaxis_tickangle=-45,
    width=900,
    height=600
)

fig.show()

movies_metadata['is_flop'] = (movies_metadata['revenue'] < movies_metadata['budget']).astype(int)

movies_metadata['popularity'] = pd.to_numeric(movies_metadata['popularity'], errors='coerce')

# Remover filmes com valores ausentes nas métricas analisadas
movies_metadata_clean = movies_metadata.dropna(subset=['budget', 'revenue', 'vote_average', 'runtime', 'popularity'])

# Criar gráfico de coordenadas paralelas com 'is_flop' como dimensão final
fig_parallel_flop = px.parallel_coordinates(
    movies_metadata_clean,
    dimensions=['budget', 'revenue', 'vote_average', 'runtime', 'popularity', 'is_flop'],
    color='is_flop',
    color_continuous_scale=px.colors.diverging.Tealrose,
    title="Análise de Filmes Flop vs Não Flop em Coordenadas Paralelas (com Flop)",
    labels={'budget': 'Orçamento (em $)', 'revenue': 'Receita (em $)', 'vote_average': 'Média de Votos',
            'runtime': 'Duração (min)', 'popularity': 'Popularidade', 'is_flop': 'É Flop?'}
)

# Mostrar o gráfico de coordenadas paralelas atualizado
fig_parallel_flop.show()

# Definir o número de grupos
num_grupos = 100

# Criar uma função para agrupar os dados por flop e não flop, e calcular médias para cada subgrupo
def gerar_grupos_aleatorios(df, num_grupos):
    # Selecionar apenas as colunas numéricas para evitar erros
    numeric_cols = df.select_dtypes(include=[np.number])
    
    # Separar filmes flops e não flops
    flop = numeric_cols[df['is_flop'] == 1]
    non_flop = numeric_cols[df['is_flop'] == 0]
    
    # Dividir os dados de flop e não flop em partes iguais
    flop_grupos = np.array_split(flop, num_grupos // 2)
    non_flop_grupos = np.array_split(non_flop, num_grupos // 2)
    
    # Lista para armazenar os grupos
    grupos_lista = []
    
    # Calcular a média para cada subgrupo de flop e não flop
    for flop_grupo in flop_grupos:
        grupo_media = flop_grupo.mean().to_frame().T
        grupo_media['is_flop'] = 1  # Marcador de flop
        grupos_lista.append(grupo_media)
    
    for non_flop_grupo in non_flop_grupos:
        grupo_media = non_flop_grupo.mean().to_frame().T
        grupo_media['is_flop'] = 0  # Marcador de não flop
        grupos_lista.append(grupo_media)
    
    # Concatenar todos os grupos
    grupos = pd.concat(grupos_lista, ignore_index=True)
    return grupos

# Gerar os grupos aleatórios com médias
movies_metadata_grupos = gerar_grupos_aleatorios(movies_metadata_clean, num_grupos)

# Criar gráfico de coordenadas paralelas com os grupos gerados
fig_grupos_parallel = px.parallel_coordinates(
    movies_metadata_grupos,
    dimensions=['budget', 'revenue', 'vote_average', 'runtime', 'popularity', 'is_flop'],
    color='is_flop',
    color_continuous_scale=px.colors.diverging.Tealrose,
    title=f"Análise de Filmes Flop vs Não Flop (Médias de {num_grupos} Grupos)",
    labels={'budget': 'Orçamento (em $)', 'revenue': 'Receita (em $)', 'vote_average': 'Média de Votos',
            'runtime': 'Duração (min)', 'popularity': 'Popularidade', 'is_flop': 'É Flop?'}
)

# Mostrar o gráfico com grupos de médias
fig_grupos_parallel.show()

c:\Users\Eric\anaconda3\Lib\site-packages\numpy\core\fromnumeric.py:59: FutureWarning:

'DataFrame.swapaxes' is deprecated and will be removed in a future version. Please use 'DataFrame.transpose' instead.

# Função para remover os 5% superiores e inferiores de ROI
def remover_extremos(df, column):
    lower_bound = df[column].quantile(0.1)
    upper_bound = df[column].quantile(0.9)
    return df[(df[column] >= lower_bound) & (df[column] <= upper_bound)]

# Remover os 5% superiores e inferiores de ROI
movies_metadata_clean = remover_extremos(movies_metadata_clean, 'ROI')

# Criar gráfico de coordenadas paralelas com 'is_flop' como dimensão final
fig_parallel_flop = px.parallel_coordinates(
    movies_metadata_clean,
    dimensions=['budget', 'revenue', 'vote_average', 'runtime', 'popularity', 'ROI'],
    color='ROI',
    color_continuous_scale=px.colors.diverging.Tealrose,
    title="Análise de ROI em Coordenadas Paralelas (com ROI)",
    labels={'budget': 'Orçamento (em $)', 'revenue': 'Receita (em $)', 'vote_average': 'Média de Votos',
            'runtime': 'Duração (min)', 'popularity': 'Popularidade', 'ROI': 'ROI'}
)

# Mostrar o gráfico de coordenadas paralelas atualizado
fig_parallel_flop.show()

# Definir o número de grupos
num_grupos = 500

# Função para agrupar os dados por flop e não flop, e calcular médias para cada subgrupo
def gerar_grupos_aleatorios(df, num_grupos):
    # Selecionar apenas as colunas numéricas para evitar erros
    numeric_cols = df.select_dtypes(include=[np.number])
    
    # Separar filmes flops (ROI < 0) e não flops (ROI >= 0)
    flop = numeric_cols[df['ROI'] < 0]
    non_flop = numeric_cols[df['ROI'] >= 0]
    
    # Dividir os dados de flop e não flop em partes iguais
    flop_grupos = np.array_split(flop, num_grupos // 2)
    non_flop_grupos = np.array_split(non_flop, num_grupos // 2)
    
    # Lista para armazenar os grupos
    grupos_lista = []
    
    # Calcular a média para cada subgrupo de flop e não flop
    for flop_grupo in flop_grupos:
        grupo_media = flop_grupo.mean().to_frame().T
        grupos_lista.append(grupo_media)
    
    for non_flop_grupo in non_flop_grupos:
        grupo_media = non_flop_grupo.mean().to_frame().T
        grupos_lista.append(grupo_media)
    
    # Concatenar todos os grupos
    grupos = pd.concat(grupos_lista, ignore_index=True)
    return grupos

# Gerar os grupos aleatórios com médias
movies_metadata_grupos = gerar_grupos_aleatorios(movies_metadata_clean, num_grupos)

# Criar gráfico de coordenadas paralelas com os grupos gerados
fig_grupos_parallel = px.parallel_coordinates(
    movies_metadata_grupos,
    dimensions=['budget', 'revenue', 'vote_average', 'runtime', 'popularity', 'ROI'],  # Agora usando o valor real de ROI
    color='ROI',  # ROI como valor contínuo
    color_continuous_scale=px.colors.diverging.Tealrose,
    title=f"Análise de ROI (Médias de {num_grupos} Grupos, sem 5% superiores e inferiores de ROI)",
    labels={'budget': 'Orçamento (em $)', 'revenue': 'Receita (em $)', 'vote_average': 'Média de Votos',
            'runtime': 'Duração (min)', 'popularity': 'Popularidade', 'ROI': 'ROI'}
)

# Mostrar o gráfico com grupos de médias
fig_grupos_parallel.show()

c:\Users\Eric\anaconda3\Lib\site-packages\numpy\core\fromnumeric.py:59: FutureWarning:

'DataFrame.swapaxes' is deprecated and will be removed in a future version. Please use 'DataFrame.transpose' instead.

#Ensure 'budget' is numeric
movies_metadata['budget'] = pd.to_numeric(movies_metadata['budget'], errors='coerce')

# Remove movies with missing or zero budget
movies_metadata = movies_metadata[movies_metadata['budget'] > 0].copy()

#Explode Genres (Each genre gets its own row)
movies_metadata['genres'] = movies_metadata['genres'].apply(lambda x: x if isinstance(x, list) else [])
genres_exploded = movies_metadata.explode('genres')

#Group by genre and calculate the average budget
average_budget_per_genre = genres_exploded.groupby('genres')['budget'].mean().reset_index()

#Sort by average budget in descending order
average_budget_per_genre = average_budget_per_genre.sort_values(by='budget', ascending=False)

#Visualize the average budget per genre
fig = px.bar(
    average_budget_per_genre,
    x='genres',
    y='budget',
    title='Genres with the Highest Average Budget',
    labels={'genres': 'Gênero', 'budget': 'Orçamento Médio (USD)'},
)

# Setting all bars to the same color
fig.update_traces(marker_color='blue')

# Adjusting layout
fig.update_layout(
    xaxis_title='Gênero',
    yaxis_title='Orçamento Médio (USD)',
    title_x=0.5,
    xaxis_tickangle=-45,
    width=900,
    height=600
)

fig.show()

title_corpus = ' '.join(movies_metadata['title'])
overview_corpus = ' '.join(movies_metadata['overview'].astype('str'))

title_wordcloud = WordCloud(stopwords=STOPWORDS, background_color='white', height=2000, width=4000).generate(title_corpus)

overview_corpus_wordcloud = WordCloud(stopwords=STOPWORDS, background_color='white', height=2000, width=4000).generate(overview_corpus)


plt.figure(figsize=(16, 8))
plt.imshow(title_wordcloud, interpolation='bilinear')
plt.axis('off')
plt.title('Nuvem de Palavras - Títulos de Filmes', fontsize=20)
plt.show()


plt.figure(figsize=(16, 8))
plt.imshow(overview_corpus_wordcloud, interpolation='bilinear')
plt.axis('off')
plt.title('Nuvem de Palavras - Sinopse de Filmes', fontsize=20)
plt.show()

#Funções para analisar títulos e sinopses

# Função para pré-processar o texto
def preprocess_text(text):
    # Converter para minúsculas
    text = text.lower()
    # Remover pontuação
    text = re.sub(r'[^\w\s]', '', text)
    # Tokenizar
    tokens = word_tokenize(text)
    # Remover stopwords
    stop_words = set(stopwords.words('english'))
    tokens = [word for word in tokens if word not in stop_words]
    return tokens

# Função para obter frequências de palavras
def get_word_frequencies(text_series):
    all_tokens = []
    for text in text_series.dropna():
        tokens = preprocess_text(text)
        all_tokens.extend(tokens)
    word_counts = Counter(all_tokens)
    return word_counts

# Função para plotar nuvem de palavras
def plot_wordcloud(word_counts, title):
    wordcloud = WordCloud(width=800, height=400, background_color='white').generate_from_frequencies(word_counts)
    plt.figure(figsize=(15, 7.5))
    plt.imshow(wordcloud, interpolation='bilinear')
    plt.title(title, fontsize=20)
    plt.axis('off')
    plt.show()

# Função para analisar palavras mais comuns por gênero
def plot_common_words_by_genre(movies_metadata, column, genre, top_n=10):
    """
    Exibe as palavras mais comuns de títulos ou sinopses para um determinado gênero.
    
    Parâmetros:
    - movies_metadata: DataFrame contendo as informações dos filmes.
    - column: Nome da coluna a ser analisada ('title' ou 'overview').
    - genre: O gênero de interesse.
    - top_n: O número de palavras mais frequentes para exibir.
    """
    # Filtrar os filmes pelo gênero
    genre_movies = movies_metadata[movies_metadata['genres'].apply(lambda x: genre in x)]
    
    # Verificar se há dados suficientes
    if genre_movies.empty:
        print(f"Nenhum dado disponível para o gênero '{genre}' na coluna '{column}'.")
        return
    
    # Obter frequências das palavras
    text_series = genre_movies[column].dropna()
    word_counts = get_word_frequencies(text_series)
    
    # Selecionar as top_n palavras mais comuns
    common_words = word_counts.most_common(top_n)
    
    if len(common_words) == 0:
        print(f"Nenhuma palavra encontrada para o gênero '{genre}' na coluna '{column}'.")
        return
    
    # Separar palavras e frequências
    words, counts = zip(*common_words)
    
    # Criar o gráfico
    plt.figure(figsize=(10, 6))
    plt.bar(words, counts, color='skyblue')
    plt.title(f'Palavras Mais Comuns no "{column}" para o Gênero "{genre}"')
    plt.xlabel('Palavras')
    plt.ylabel('Frequência')
    plt.xticks(rotation=45)
    plt.show()

# Função para analisar palavras mais comuns por década
def plot_common_words_by_decade(movies_metadata, column, decade, top_n=10):
    """
    Exibe as palavras mais comuns de títulos ou sinopses para uma determinada década.
    
    Parâmetros:
    - movies_metadata: DataFrame contendo as informações dos filmes.
    - column: Nome da coluna a ser analisada ('title' ou 'overview').
    - decade: A década de interesse (ex: 1990 para a década de 1990-1999).
    - top_n: O número de palavras mais frequentes para exibir.
    """
    # Filtrar os filmes pela década
    decade_movies = movies_metadata[movies_metadata['decade'] == decade]
    
    # Verificar se há dados suficientes
    if decade_movies.empty:
        print(f"Nenhum dado disponível para a década '{decade}' na coluna '{column}'.")
        return
    
    # Obter frequências das palavras
    text_series = decade_movies[column].dropna()
    word_counts = get_word_frequencies(text_series)
    
    # Selecionar as top_n palavras mais comuns
    common_words = word_counts.most_common(top_n)
    
    if len(common_words) == 0:
        print(f"Nenhuma palavra encontrada para a década '{decade}' na coluna '{column}'.")
        return
    
    # Separar palavras e frequências
    words, counts = zip(*common_words)
    
    # Criar o gráfico
    plt.figure(figsize=(10, 6))
    plt.bar(words, counts, color='salmon')
    plt.title(f'Palavras Mais Comuns no "{column}" para a Década de {decade}')
    plt.xlabel('Palavras')
    plt.ylabel('Frequência')
    plt.xticks(rotation=45)
    plt.show()

# Função para obter frequências de n-gramas
def get_ngrams_frequencies(text_series, n=2):
    all_ngrams = []
    for text in text_series.dropna():
        tokens = preprocess_text(text)
        n_grams = ngrams(tokens, n)
        all_ngrams.extend(n_grams)
    ngram_counts = Counter(all_ngrams)
    return ngram_counts

# Função para plotar n-gramas
def plot_ngrams(ngram_counts, title, top_n=10):
    common_ngrams = ngram_counts.most_common(top_n)
    if len(common_ngrams) == 0:
        print("Nenhum n-grama encontrado.")
        return
    ngrams_texts = [' '.join(ngram) for ngram, count in common_ngrams]
    counts = [count for ngram, count in common_ngrams]
    plt.figure(figsize=(10, 6))
    plt.bar(ngrams_texts, counts, color='purple')
    plt.title(title)
    plt.xlabel('N-gramas')
    plt.ylabel('Frequência')
    plt.xticks(rotation=45)
    plt.show()

# Função para obter pontuações de sentimento
def get_sentiment_scores(text_series):
    sentiments = text_series.dropna().apply(lambda x: TextBlob(x).sentiment.polarity)
    return sentiments

# Função para plotar sentimento por gênero
def plot_sentiment_by_genre(movies_metadata):
    genres = set([genre for sublist in movies_metadata['genres'] for genre in sublist])
    avg_sentiments = {}
    for genre in genres:
        genre_movies = movies_metadata[movies_metadata['genres'].apply(lambda x: genre in x)]
        sentiments = get_sentiment_scores(genre_movies['overview'])
        if len(sentiments) > 0:
            avg_sentiments[genre] = sentiments.mean()
    # Plotar
    genres = list(avg_sentiments.keys())
    sentiments = list(avg_sentiments.values())
    plt.figure(figsize=(12,6))
    plt.bar(genres, sentiments, color='orange')
    plt.title('Sentimento Médio por Gênero')
    plt.xlabel('Gênero')
    plt.ylabel('Sentimento Médio')
    plt.xticks(rotation=45)
    plt.show()

# Função para plotar sentimento por década
def plot_sentiment_by_decade(movies_metadata):
    decades = movies_metadata['decade'].dropna().unique()
    avg_sentiments = {}
    for decade in decades:
        decade_movies = movies_metadata[movies_metadata['decade'] == decade]
        sentiments = get_sentiment_scores(decade_movies['overview'])
        if len(sentiments) > 0:
            avg_sentiments[decade] = sentiments.mean()
    # Ordenar por década
    decades = sorted(avg_sentiments.keys())
    sentiments = [avg_sentiments[decade] for decade in decades]
    plt.figure(figsize=(12,6))
    plt.plot(decades, sentiments, marker='o', linestyle='-')
    plt.title('Sentimento Médio por Década')
    plt.xlabel('Década')
    plt.ylabel('Sentimento Médio')
    plt.xticks(decades, rotation=45)
    plt.grid(True)
    plt.show()

# Análise de sentimento nas sinopses
sentiment_scores = get_sentiment_scores(movies_metadata['overview'])
plt.figure(figsize=(10,6))
plt.hist(sentiment_scores, bins=50, color='green')
plt.title('Distribuição dos Sentimentos nas Sinopses')
plt.xlabel('Polaridade')
plt.ylabel('Frequência')
plt.show()

# Análise de sentimento por gênero
plot_sentiment_by_genre(movies_metadata)

# Análise de sentimento por década
plot_sentiment_by_decade(movies_metadata)

movies_metadata.columns

Index(['belongs_to_collection', 'budget', 'genres', 'homepage', 'id',
       'original_language', 'overview', 'popularity', 'production_companies',
       'production_countries', 'release_date', 'revenue', 'runtime',
       'spoken_languages', 'status', 'tagline', 'title', 'video',
       'vote_average', 'vote_count', 'year', 'decade', 'ROI', 'profit',
       'movieId', 'imdbId', 'tmdbId', 'countries', 'release_month', 'is_flop'],
      dtype='object')

# Contagem de filmes que pertencem a uma franquia
franchise_count = movies_metadata['belongs_to_collection'].notnull().sum()
no_franchise_count = movies_metadata['belongs_to_collection'].isnull().sum()

print(f"Filmes que pertencem a uma franquia: {franchise_count}")
print(f"Filmes que não pertencem a uma franquia: {no_franchise_count}")

# Visualizando a distribuição
franchise_data = pd.DataFrame({
    'Tipo de Filme': ['Franquia', 'Independente'],
    'Quantidade': [franchise_count, no_franchise_count]
})

fig = px.bar(franchise_data, x='Tipo de Filme', y='Quantidade',
             title='Quantidade de Filmes que Pertencem a uma Franquia vs Independentes',
             color='Tipo de Filme', color_discrete_sequence=['#FF5733', '#33FF57'])

fig.show()

Filmes que pertencem a uma franquia: 1030
Filmes que não pertencem a uma franquia: 2816

# Comparação de orçamento entre filmes de franquia e independentes
franchise_movies = movies_metadata[movies_metadata['belongs_to_collection'].notnull()]
independent_movies = movies_metadata[movies_metadata['belongs_to_collection'].isnull()]

franchise_avg_budget = franchise_movies['budget'].mean()
independent_avg_budget = independent_movies['budget'].mean()

print(f"Orçamento médio - Filmes de Franquia: {franchise_avg_budget}")
print(f"Orçamento médio - Filmes Independentes: {independent_avg_budget}")

# Visualizando a comparação
budget_data = pd.DataFrame({
    'Tipo de Filme': ['Franquia', 'Independente'],
    'Orçamento Médio (USD)': [franchise_avg_budget, independent_avg_budget]
})

fig = px.bar(budget_data, x='Tipo de Filme', y='Orçamento Médio (USD)',
             title='Orçamento Médio: Filmes de Franquia vs Independentes',
             color='Tipo de Filme', color_discrete_sequence=['#FF5733', '#33FF57'])

fig.show()

Orçamento médio - Filmes de Franquia: 50004512.79805825
Orçamento médio - Filmes Independentes: 31842465.997514203

# Comparação de receita entre filmes de franquia e independentes
franchise_avg_revenue = franchise_movies['revenue'].mean()
independent_avg_revenue = independent_movies['revenue'].mean()

print(f"Receita média - Filmes de Franquia: {franchise_avg_revenue}")
print(f"Receita média - Filmes Independentes: {independent_avg_revenue}")

# Visualizando a comparação
revenue_data = pd.DataFrame({
    'Tipo de Filme': ['Franquia', 'Independente'],
    'Receita Média (USD)': [franchise_avg_revenue, independent_avg_revenue]
})

fig = px.bar(revenue_data, x='Tipo de Filme', y='Receita Média (USD)',
             title='Receita Média: Filmes de Franquia vs Independentes',
             color='Tipo de Filme', color_discrete_sequence=['#FF5733', '#33FF57'])

fig.show()

Receita média - Filmes de Franquia: 212657195.83106795
Receita média - Filmes Independentes: 75103069.56676136

# Comparando a média das notas (vote_average)
franchise_avg_rating = franchise_movies['vote_average'].mean()
independent_avg_rating = independent_movies['vote_average'].mean()

print(f"Média de Notas - Filmes de Franquia: {franchise_avg_rating}")
print(f"Média de Notas - Filmes Independentes: {independent_avg_rating}")

# Visualizando a comparação
rating_data = pd.DataFrame({
    'Tipo de Filme': ['Franquia', 'Independente'],
    'Média de Notas': [franchise_avg_rating, independent_avg_rating]
})

fig = px.bar(rating_data, x='Tipo de Filme', y='Média de Notas',
             title='Média de Notas: Filmes de Franquia vs Independentes',
             color='Tipo de Filme', color_discrete_sequence=['#FF5733', '#33FF57'])

fig.show()

Média de Notas - Filmes de Franquia: 6.27621359223301
Média de Notas - Filmes Independentes: 6.446306818181818

ratings = pd.read_csv('./the-movies-dataset/ratings_small.csv')

fig = px.histogram(ratings, x='rating', nbins=20, title='Distribuição das Notas dos Filmes')
fig.update_layout(xaxis_title='Nota', yaxis_title='Frequência')
fig.show()

all_users = ratings['userId'].value_counts().reset_index()
all_users.columns = ['userId', 'count']

fig = px.bar(all_users, x='userId', y='count', title='Número de Avaliações por Usuário')
fig.update_layout(xaxis_title='ID do Usuário', yaxis_title='Quantidade de Avaliações')
fig.show()

top_users = ratings['userId'].value_counts().reset_index().head(10)
top_users.columns = ['userId', 'count']

fig = px.bar(top_users, x='userId', y='count', title='Top 10 Usuários que Mais Avaliaram Filmes')
fig.update_layout(xaxis_title='ID do Usuário', yaxis_title='Quantidade de Avaliações')
fig.show()


bottom_users = ratings['userId'].value_counts().reset_index().tail(10)
bottom_users.columns = ['userId', 'count']

fig = px.bar(bottom_users, x='userId', y='count', title='Bottom 10 Usuários que Mais Avaliaram Filmes')
fig.update_layout(xaxis_title='ID do Usuário', yaxis_title='Quantidade de Avaliações')
fig.show()

# Filtrar notas acima de 3.5 para maior relevância
filtered_ratings = ratings[ratings['rating'] > 3.5]

# Criar matriz de transações com filmes avaliados
transactions = (filtered_ratings.groupby(['userId', 'movieId'])['rating']
                .max().unstack().reset_index().fillna(0)
                .set_index('userId'))

# Aplicar uma função binária, mantendo filmes com avaliação alta (>= 3.5)
transactions = transactions.applymap(lambda x: 1 if x > 3.5 else 0).astype(bool)

# Verificando as transações
print(f"Total de transações: {len(transactions)}")
print(f"Total de itens (filmes): {transactions.shape[1]}")
print(f"Quantidade de 1s na matriz de transações: {transactions.sum().sum()}")

# Ajustando min_support para gerar mais conjuntos frequentes
with tqdm(total=len(transactions.columns), desc="Calculando conjuntos frequentes") as pbar_frequent:
    frequent_itemsets = apriori(transactions, min_support=0.1, use_colnames=True, low_memory=True)  # Reduzido de 0.15 para 0.1
    pbar_frequent.update(len(transactions.columns))

# Verificando o número de conjuntos frequentes encontrados
print(f"Total de conjuntos frequentes encontrados: {len(frequent_itemsets)}")
if frequent_itemsets.empty:
    print("Nenhum conjunto frequente encontrado. Considere diminuir o min_support ou ajustar os dados.")
else:
    # Calculando regras de associação com um min_lift mais baixo (ex.: 1.1) e min_confidence mais baixo (ex.: 0.5)
    with tqdm(total=len(frequent_itemsets), desc="Calculando regras de associação") as pbar_rules:
        rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1.1)  # Reduzido de 1.2 para 1.1
        pbar_rules.update(len(frequent_itemsets))
    
    # Verificando se há regras de associação
    if not rules.empty:
        print(rules[['antecedents', 'consequents', 'support', 'confidence', 'lift']])
    else:
        print("Nenhuma regra encontrada.")

C:\Users\Eric\AppData\Local\Temp\ipykernel_22732\3131926791.py:10: FutureWarning:

DataFrame.applymap has been deprecated. Use DataFrame.map instead.

Total de transações: 671
Total de itens (filmes): 6170
Quantidade de 1s na matriz de transações: 51568

Calculando conjuntos frequentes: 100%|██████████| 6170/6170 [00:01<00:00, 3707.81it/s]

Total de conjuntos frequentes encontrados: 533

Calculando regras de associação: 100%|██████████| 533/533 [00:00<00:00, 14934.23it/s]

       antecedents         consequents   support  confidence      lift
0              (1)               (260)  0.119225    0.503145  1.455216
1            (260)                 (1)  0.119225    0.344828  1.455216
2            (296)                 (1)  0.117735    0.313492  1.322976
3              (1)               (296)  0.117735    0.496855  1.322976
4              (1)               (318)  0.129657    0.547170  1.339967
...            ...                 ...       ...         ...       ...
1555  (7153, 2571)        (5952, 4993)  0.117735    0.868132  4.623147
1556        (5952)  (4993, 2571, 7153)  0.117735    0.556338  4.497624
1557        (4993)  (5952, 7153, 2571)  0.117735    0.496855  3.922235
1558        (2571)  (5952, 4993, 7153)  0.117735    0.403061  2.436523
1559        (7153)  (5952, 4993, 2571)  0.117735    0.598485  4.462037

[1560 rows x 5 columns]

# Função para substituir IDs por títulos de filmes
def substituir_ids_por_titulos(ids, movies_metadata):
    filmes = [movies_metadata[movies_metadata['movieId'] == i]['title'].values[0] for i in ids]
    return filmes

# Filtrar regras com alta confiança e lift
high_confidence_rules = rules[(rules['confidence'] > 0.7) & (rules['lift'] > 1.5)]

# Mostrar regras mais fortes ordenadas por lift
strongest_rules = high_confidence_rules.sort_values(by='lift', ascending=False).head(10)

# Substituir IDs dos filmes por títulos nas colunas 'antecedents' e 'consequents'
strongest_rules['antecedents'] = strongest_rules['antecedents'].apply(lambda x: substituir_ids_por_titulos(list(x), movies_metadata))
strongest_rules['consequents'] = strongest_rules['consequents'].apply(lambda x: substituir_ids_por_titulos(list(x), movies_metadata))

print("Regras de associação mais fortes (com títulos):")
print(strongest_rules[['antecedents', 'consequents', 'support', 'confidence', 'lift']])

# Verificar filmes mais frequentemente avaliados juntos
most_frequent_sets = frequent_itemsets.sort_values(by='support', ascending=False).head(10)

# Substituir IDs por títulos no conjunto frequente
most_frequent_sets['itemsets'] = most_frequent_sets['itemsets'].apply(lambda x: substituir_ids_por_titulos(list(x), movies_metadata))

print("\nConjuntos frequentes mais comuns (com títulos):")
print(most_frequent_sets)

# Resumo geral dos resultados
print(f"Total de transações: {len(transactions)}")
print(f"Total de conjuntos frequentes encontrados: {len(frequent_itemsets)}")
print(f"Total de regras de associação geradas: {len(rules)}")

Regras de associação mais fortes (com títulos):
                                            antecedents  \
1497  [The Lord of the Rings: The Fellowship of the ...   
1496  [The Lord of the Rings: The Two Towers, Star W...   
1480  [The Lord of the Rings: The Fellowship of the ...   
1485  [The Lord of the Rings: The Return of the King...   
1484  [The Lord of the Rings: The Return of the King...   
1468  [The Lord of the Rings: The Two Towers, Star W...   
1469  [The Lord of the Rings: The Fellowship of the ...   
1467  [The Lord of the Rings: The Two Towers, The Em...   
1470  [The Lord of the Rings: The Fellowship of the ...   
1495  [The Lord of the Rings: The Two Towers, Return...   

                                            consequents   support  confidence  \
1497  [The Lord of the Rings: The Two Towers, Star W...  0.101341    0.839506   
1496  [The Lord of the Rings: The Fellowship of the ...  0.101341    0.772727   
1480  [The Lord of the Rings: The Return of the King...  0.105812    0.747368   
1485  [The Lord of the Rings: The Fellowship of the ...  0.105812    0.865854   
1484  [The Lord of the Rings: The Fellowship of the ...  0.105812    0.922078   
1468  [The Lord of the Rings: The Fellowship of the ...  0.110283    0.840909   
1469  [The Lord of the Rings: The Two Towers, Star W...  0.110283    0.778947   
1467  [The Lord of the Rings: The Fellowship of the ...  0.110283    0.902439   
1470  [The Lord of the Rings: The Two Towers, The Em...  0.110283    0.718447   
1495  [The Lord of the Rings: The Fellowship of the ...  0.101341    0.894737   

          lift  
1497  6.401235  
1496  6.401235  
1480  6.115661  
1485  6.115661  
1484  6.006935  
1468  5.939474  
1469  5.939474  
1467  5.878996  
1470  5.878996  
1495  5.828820  

Conjuntos frequentes mais comuns (com títulos):
     support                    itemsets
13  0.408346  [The Shawshank Redemption]
12  0.375559              [Pulp Fiction]
15  0.374069              [Forrest Gump]
28  0.356185  [The Silence of the Lambs]
10  0.345753                 [Star Wars]
22  0.307004          [Schindler's List]
81  0.292101                [The Matrix]
49  0.281669   [The Empire Strikes Back]
30  0.274218                     [Fargo]
84  0.268256           [American Beauty]
Total de transações: 671
Total de conjuntos frequentes encontrados: 533
Total de regras de associação geradas: 1560

def recomendar_filmes_por_preferencia(usuario, filmes_gostados, transacoes, regras_associacao, n_recomendacoes=3, min_confidence=0.7, min_support=0.3, min_lift=1.2):
    """
    Função para recomendar filmes a um usuário com base em uma lista de filmes que ele gostou e regras de associação,
    considerando confiança, suporte e lift mínimos.

    Parâmetros:
    - usuario: ID do usuário.
    - filmes_gostados: Lista de IDs dos filmes que o usuário gostou.
    - transacoes: DataFrame das transações de filmes.
    - regras_associacao: DataFrame das regras de associação.
    - n_recomendacoes: Número de recomendações desejadas.
    - min_confidence: Confiança mínima das regras para considerar na recomendação.
    - min_support: Suporte mínimo das regras para considerar na recomendação.
    - min_lift: Lift mínimo das regras para considerar na recomendação.

    Retorna:
    - Lista de títulos de filmes recomendados.
    """
    
    recomendacoes = []
    
    # Iterar pelos filmes que o usuário gostou e buscar regras de associação
    for filme in filmes_gostados:
        # Filtrar as regras que têm o filme nos antecedentes e que atendem os critérios de confiança, suporte e lift mínimos
        regras_filme = regras_associacao[
            (regras_associacao['antecedents'].apply(lambda x: filme in x)) &
            (regras_associacao['confidence'] >= min_confidence) &
            (regras_associacao['support'] >= min_support) &
            (regras_associacao['lift'] >= min_lift)
        ]
        
        # Ordenar regras por confiança e lift
        regras_filme = regras_filme.sort_values(by=['confidence', 'lift'], ascending=False)
        
        # Iterar pelas regras e adicionar filmes recomendados
        for _, regra in regras_filme.iterrows():
            recomendados = regra['consequents']
            for filme_recomendado in recomendados:
                if filme_recomendado not in filmes_gostados and filme_recomendado not in recomendacoes:
                    recomendacoes.append(filme_recomendado)
                    
            if len(recomendacoes) >= n_recomendacoes:
                break
        
        if len(recomendacoes) >= n_recomendacoes:
            break
    
    # Verificar se há recomendações e se os filmes existem no metadata
    if recomendacoes:
        recomendacoes_nomes = movies_metadata[movies_metadata['movieId'].isin(recomendacoes)]['title'].tolist()
        
        if not recomendacoes_nomes:
            print(f"Não foi possível encontrar os títulos dos filmes recomendados para o usuário {usuario}. IDs dos filmes recomendados: {recomendacoes}")
        
        return recomendacoes_nomes[:n_recomendacoes]
    else:
        print(f"Nenhuma recomendação foi gerada para o usuário {usuario} com base nos filmes que ele gostou.")
        return []

# Função para selecionar um filme aleatório que o usuário gostou
def selecionar_filme_aleatorio_usuario(filtered_ratings, usuario_id):
    filmes_usuario = filtered_ratings[filtered_ratings['userId'] == usuario_id]
    
    if not filmes_usuario.empty:
        filmes_avaliados = filmes_usuario[filmes_usuario['rating'] > 3]['movieId'].tolist()
        if filmes_avaliados:
            return random.choice(filmes_avaliados)
        else:
            print(f"Usuário {usuario_id} não avaliou filmes com nota superior a 3.")
            return None
    else:
        print(f"Nenhum filme encontrado para o usuário {usuario_id}.")
        return None


def recomendar_filmes(usuario, transacoes, regras_associacao, n_recomendacoes=3, min_confidence=0.7, min_support=0.3, min_lift=1.2):
    """
    Função para recomendar filmes a um usuário com base em regras de associação, considerando confiança, suporte e lift mínimos.

    Parâmetros:
    - usuario: ID do usuário.
    - transacoes: DataFrame das transações de filmes.
    - regras_associacao: DataFrame das regras de associação.
    - n_recomendacoes: Número de recomendações desejadas.
    - min_confidence: Confiança mínima das regras para considerar na recomendação.
    - min_support: Suporte mínimo das regras para considerar na recomendação.
    - min_lift: Lift mínimo das regras para considerar na recomendação.

    Retorna:
    - Lista de títulos de filmes recomendados.
    """
    
    # Obter a lista de filmes assistidos pelo usuário
    filmes_usuario = transacoes.loc[usuario]
    filmes_assistidos = filmes_usuario[filmes_usuario == 1].index.tolist()
    
    recomendacoes = []
    
    # Iterar pelos filmes assistidos e buscar regras de associação
    for filme in filmes_assistidos:
        # Filtrar as regras que têm o filme nos antecedentes e que atendem os critérios de confiança, suporte e lift mínimos
        regras_filme = regras_associacao[
            (regras_associacao['antecedents'].apply(lambda x: filme in x)) &
            (regras_associacao['confidence'] >= min_confidence) &
            (regras_associacao['support'] >= min_support) &
            (regras_associacao['lift'] >= min_lift)
        ]
        
        # Ordenar regras por confiança e lift
        regras_filme = regras_filme.sort_values(by=['confidence', 'lift'], ascending=False)
        
        # Iterar pelas regras e adicionar filmes recomendados
        for _, regra in regras_filme.iterrows():
            recomendados = regra['consequents']
            for filme_recomendado in recomendados:
                if filme_recomendado not in filmes_assistidos and filme_recomendado not in recomendacoes:
                    recomendacoes.append(filme_recomendado)
                    
            if len(recomendacoes) >= n_recomendacoes:
                break
        
        if len(recomendacoes) >= n_recomendacoes:
            break
    
    # Obter os títulos dos filmes recomendados
    recomendacoes_nomes = movies_metadata[movies_metadata['movieId'].isin(recomendacoes)]['title'].tolist()
    
    return recomendacoes_nomes[:n_recomendacoes]

# Selecionando 10 usuários aleatórios
random.seed(42)  # Definindo uma semente para garantir que os resultados sejam reproduzíveis
random_users = filtered_ratings['userId'].drop_duplicates().sample(10).tolist()

for usuario_id in random_users:
    recomendacoes = recomendar_filmes(usuario_id, transactions, rules, n_recomendacoes=3, min_confidence=0.7, min_support=0.1, min_lift=1.2)
    print(f"Filmes recomendados para o usuário {usuario_id}: {recomendacoes}")

Filmes recomendados para o usuário 81: ['Pulp Fiction']
Filmes recomendados para o usuário 154: ['Star Wars', 'Pulp Fiction', 'The Empire Strikes Back']
Filmes recomendados para o usuário 197: ['Raiders of the Lost Ark', 'The Lord of the Rings: The Fellowship of the Ring', 'The Lord of the Rings: The Two Towers']
Filmes recomendados para o usuário 52: ['Pulp Fiction', 'The Silence of the Lambs']
Filmes recomendados para o usuário 174: []
Filmes recomendados para o usuário 266: ['Star Wars', 'Pulp Fiction', 'The Lord of the Rings: The Two Towers']
Filmes recomendados para o usuário 72: ['Star Wars', 'The Empire Strikes Back', 'The Lord of the Rings: The Two Towers']
Filmes recomendados para o usuário 332: ['Pulp Fiction']
Filmes recomendados para o usuário 219: ['The Silence of the Lambs', 'The Empire Strikes Back', 'The Lord of the Rings: The Two Towers']
Filmes recomendados para o usuário 350: ['Pulp Fiction', 'The Lord of the Rings: The Two Towers', 'The Lord of the Rings: The Return of the King']

usuarios_com_avaliacoes_altas = filtered_ratings['userId'].drop_duplicates()
usuarios_selecionados = usuarios_com_avaliacoes_altas.sample(2, random_state=42).tolist()

# Recomendando filmes para os 2 usuários selecionados
for usuario_id in usuarios_selecionados:
    # Selecionar aleatoriamente um filme que o usuário gostou
    filme_aleatorio = selecionar_filme_aleatorio_usuario(filtered_ratings, usuario_id)
    
    if filme_aleatorio is not None:
        # Obter o título do filme selecionado
        filme_selecionado_titulo = movies_metadata[movies_metadata['movieId'] == filme_aleatorio]['title'].values
        
        if filme_selecionado_titulo.size > 0:
            filme_selecionado_titulo = filme_selecionado_titulo[0]
            
            # Fazer a recomendação para o usuário com base no filme selecionado
            recomendacoes = recomendar_filmes_por_preferencia(usuario_id, [filme_aleatorio], transactions, rules, n_recomendacoes=1, min_confidence=0.5, min_support=0.1, min_lift=1.2)
            
            # Printar o ID do usuário e o filme selecionado
            print(f"Usuário {usuario_id}: Gostou do filme '{filme_selecionado_titulo}' (ID {filme_aleatorio})")
            print(f"Filmes recomendados para o usuário {usuario_id}: {recomendacoes}\n")
        else:
            print(f"Título não encontrado para o filme com ID {filme_aleatorio} do usuário {usuario_id}.")
    else:
        print(f"Não foi possível selecionar um filme para o usuário {usuario_id}.")

Usuário 362: Gostou do filme 'One Flew Over the Cuckoo's Nest' (ID 1193)
Filmes recomendados para o usuário 362: ['The Godfather']

Usuário 159: Gostou do filme 'Blade Runner' (ID 541)
Filmes recomendados para o usuário 159: ['Star Wars']

	budget	revenue	runtime	vote_average	vote_count	year	decade	ROI	profit
count	8.876000e+03	7.397000e+03	45100.000000	45346.000000	45346.000000	45346.000000	45346.000000	5.375000e+03	5.375000e+03
mean	2.162354e+07	6.886594e+07	94.177805	5.624196	110.135293	1991.882834	1987.431747	5.571109e+03	5.928381e+07
std	3.433044e+07	1.465125e+08	38.348775	1.915339	491.899276	24.053040	24.239088	2.169776e+05	1.396003e+08
min	1.000000e+00	1.000000e+00	0.000000	0.000000	0.000000	1874.000000	1870.000000	-9.999995e-01	-1.657101e+08
25%	2.000000e+06	2.401510e+06	85.000000	5.000000	3.000000	1978.000000	1970.000000	-2.128177e-01	-1.456000e+06
50%	8.000000e+06	1.683891e+07	95.000000	6.000000	10.000000	2001.000000	2000.000000	1.057193e+00	1.110167e+07
75%	2.500000e+07	6.731283e+07	107.000000	6.800000	34.000000	2010.000000	2010.000000	3.242222e+00	6.223188e+07
max	3.800000e+08	2.787965e+09	1256.000000	10.000000	14075.000000	2020.000000	2020.000000	1.239638e+07	2.550965e+09

	belongs_to_collection	budget	genres	homepage	id	original_language	overview	popularity	production_companies	production_countries	...	video	vote_average	vote_count	year	decade	ROI	profit	movieId	imdbId	tmdbId
0	{'id': 10194, 'name': 'Toy Story Collection', ...	30000000.0	[{'id': 16, 'name': 'Animation'}, {'id': 35, '...	http://toystory.disney.com/toy-story	862	en	Led by Woody, Andy's toys live happily in his ...	21.946943	[{'name': 'Pixar Animation Studios', 'id': 3}]	[{'iso_3166_1': 'US', 'name': 'United States o...	...	False	7.7	5415.0	1995.0	1990.0	11.451801	343554033.0	1	114709	862.0
1	NaN	65000000.0	[{'id': 12, 'name': 'Adventure'}, {'id': 14, '...	NaN	8844	en	When siblings Judy and Peter discover an encha...	17.015539	[{'name': 'TriStar Pictures', 'id': 559}, {'na...	[{'iso_3166_1': 'US', 'name': 'United States o...	...	False	6.9	2413.0	1995.0	1990.0	3.043035	197797249.0	2	113497	8844.0
2	{'id': 119050, 'name': 'Grumpy Old Men Collect...	NaN	[{'id': 10749, 'name': 'Romance'}, {'id': 35, ...	NaN	15602	en	A family wedding reignites the ancient feud be...	11.7129	[{'name': 'Warner Bros.', 'id': 6194}, {'name'...	[{'iso_3166_1': 'US', 'name': 'United States o...	...	False	6.5	92.0	1995.0	1990.0	NaN	NaN	3	113228	15602.0
3	NaN	16000000.0	[{'id': 35, 'name': 'Comedy'}, {'id': 18, 'nam...	NaN	31357	en	Cheated on, mistreated and stepped on, the wom...	3.859495	[{'name': 'Twentieth Century Fox Film Corporat...	[{'iso_3166_1': 'US', 'name': 'United States o...	...	False	6.1	34.0	1995.0	1990.0	4.090760	65452156.0	4	114885	31357.0
4	{'id': 96871, 'name': 'Father of the Bride Col...	NaN	[{'id': 35, 'name': 'Comedy'}]	NaN	11862	en	Just when George Banks has recovered from his ...	8.387519	[{'name': 'Sandollar Productions', 'id': 5842}...	[{'iso_3166_1': 'US', 'name': 'United States o...	...	False	5.7	173.0	1995.0	1990.0	NaN	NaN	5	113041	11862.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
9077	NaN	8000000.0	[{'id': 18, 'name': 'Drama'}]	NaN	159550	en	A man must cope with the loss of his wife and ...	0.038998	[{'name': 'Nasser Entertainment', 'id': 35802}]	[{'iso_3166_1': 'US', 'name': 'United States o...	...	False	7.0	1.0	2001.0	2000.0	NaN	NaN	161944	255313	159550.0
9078	NaN	1000000.0	[{'id': 53, 'name': 'Thriller'}, {'id': 10749,...	NaN	392572	hi	Rustom Pavri, an honourable officer of the Ind...	7.333139	[{'name': 'KriArj Entertainment', 'id': 91689}]	[{'iso_3166_1': 'IN', 'name': 'India'}]	...	False	7.3	25.0	2016.0	2010.0	NaN	NaN	162542	5165344	392572.0
9079	NaN	15050000.0	[{'id': 12, 'name': 'Adventure'}, {'id': 18, '...	NaN	402672	hi	Village lad Sarman is drawn to big, bad Mohenj...	1.423358	[{'name': 'UTV Motion Pictures', 'id': 2320}, ...	[{'iso_3166_1': 'IN', 'name': 'India'}]	...	False	6.7	26.0	2016.0	2010.0	0.075083	1130000.0	162672	3859980	402672.0
9080	NaN	15000000.0	[{'id': 28, 'name': 'Action'}, {'id': 12, 'nam...	NaN	315011	ja	From the mind behind Evangelion comes a hit la...	9.285519	[{'name': 'Cine Bazar', 'id': 5896}, {'name': ...	[{'iso_3166_1': 'JP', 'name': 'Japan'}]	...	False	6.6	152.0	2016.0	2010.0	4.133333	62000000.0	163056	4262980	315011.0
9081	NaN	NaN	[{'id': 99, 'name': 'Documentary'}, {'id': 104...	http://www.thebeatlesliveproject.com/	391698	en	The band stormed Europe in 1963, and, in 1964,...	7.078301	[{'name': 'Imagine Entertainment', 'id': 23}, ...	[{'iso_3166_1': 'GB', 'name': 'United Kingdom'...	...	False	7.6	92.0	2016.0	2010.0	NaN	NaN	163949	2531318	391698.0

	country	film_count
0	United States of America	6847
1	United Kingdom	1205
2	France	698
3	Germany	541
4	Canada	359
...	...	...
90	Liechtenstein	1
91	Czechoslovakia	1
92	Cameroon	1
93	Nepal	1
94	Sri Lanka	1

Download do Dataset "The Movies Dataset" do Kaggle¶

1. Instalar a Biblioteca Kaggle¶

2. Download do Dataset¶

Baixando o Dataset¶

Análise Exploratória dos Dados do Conjunto "The Movies Dataset"¶

Carregando os Dados¶

Explorando a Estrutura dos Dados¶

Limpeza e Preparação dos Dados¶

Ao final da limpeza, temos um dataset movies_metadata contendo as informações sobre os filmes e que já está:¶

Análise Exploratória¶

Análise da Distribuição de Filmes por Década¶

Insight sobre a Distribuição das Notas dos Filmes por Década¶

Análise da Evolução dos Orçamentos Médios dos Filmes por Ano¶

Destaque: 1927 como um Outlier¶

Análise da Relação entre Orçamento e Nota Média dos Filmes¶

Observações Principais:¶

Hipótese:¶

Análise do Gráfico de Orçamento vs Receita¶

Análise da Matriz de Coocorrência de Gêneros de Filmes¶

Interpretação do Resultado:¶

Exemplos de Análise:¶

Aplicabilidade:¶

Análise da Matriz de Correlação entre Atributos de Filmes¶

Principais Insights:¶

Análise da Média de Lucro por Mês de Lançamento¶

Insight:¶

Proporção de Flops por Gênero¶

Insights Principais:¶

Insights sobre o ROI:¶

Análise do Gráfico de Orçamento Médio por Gênero¶

Principais Insights:¶

Distribuição dos Sentimentos nas Sinopses¶

Principais Insights:¶

Análise do Gráfico de Sentimento Médio por Gênero¶

Principais Insights:¶

Análise do Gráfico de Sentimento Médio por Década¶

Orçamento Médio: Filmes de Franquia vs Independentes¶

Principais Insights:¶

Receita Média: Filmes de Franquia vs Independentes¶

Principais Insights:¶

Média de Notas: Filmes de Franquia vs Independentes¶

Distribuição das Notas dos Filmes¶

Principais Insights:¶

Todos os usuários avaliaram pelo menos 20 filmes¶

Regras de Associação sobre Filmes Avaliados¶

Explicação do Código de Recomendação de Filmes com Regras de Associação¶

1. Filtragem de Avaliações:¶

2. Criação da Matriz de Transações:¶

3. Apriori e Conjuntos Frequentes:¶

4. Regras de Associação:¶

5. Recomendação de Filmes:¶

Ao final da limpeza, temos um dataset `movies_metadata` contendo as informações sobre os filmes e que já está:¶